基于灰度截留分割与十色模型的马铃薯表面缺陷检测方法

为探索基于计算机视觉的马铃薯表面缺陷检测新方法,该研究提出能将马铃薯表面疑似缺陷一次性分离出来的快速灰度截留分割方法和用于缺陷识别的十色模型。选择面积比率和十色比率作为缺陷判别特征,对分割出来的深色部位采用阈值法进行缺陷识别。采用基于快速G与亮度截留分割的2种方法对发芽进行识别。通过对326个马铃薯样本的652幅正反面图像进行试验,基于十色模型的缺陷识别方法对分割出来的深色区域的正确识别率为93.6%,基于快速G与亮度截留分割2种方法结合对有芽体图像的正确识别率为97.5%,马铃薯表面缺陷正确检测率为95     

基于灰度截留分割与十色模型的马铃薯表面缺陷检测方法

为探索基于计算机视觉的马铃薯表面缺陷检测新方法,该研究提出能将马铃薯表面疑似缺陷一次性分离出来的快速灰度截留分割方法和用于缺陷识别的十色模型。选择面积比率和十色比率作为缺陷判别特征,对分割出来的深色部位采用阈值法进行缺陷识别。采用基于快速G与亮度截留分割的2种方法对发芽进行识别。通过对326个马铃薯样本的652幅正反面图像进行试验,基于十色模型的缺陷识别方法对分割出来的深色区域的正确识别率为93.6%,基于快速G与亮度截留分割2种方法结合对有芽体图像的正确识别率为97.5%,马铃薯表面缺陷正确检测率为95     

基于色度域划分的马铃薯绿皮检测方法

绿皮是马铃薯品质缺陷之一。为了检测马铃薯的品质,该文提出了一种基于色度域划分的马铃薯绿皮检测方法,从量化角度实现了马铃薯表皮颜色信息的提取。利用基于统计的逐步判别分析方法和支持向量机识别方法构建模型,因局限于特定样本集的特征空间,识别结果稳定性不好。该研究克服了上述方法的缺点,提取色度作为模式识别的特征,并确定了区分正常和绿皮马铃薯的有效色度值区间57～64,再结合二次阈值判别方法对马铃薯的绿皮进行检测。试验结果表明该方法简单、识别率高,而且稳定性强。     

作物数字图像评价与校正算法的应用研究

作物数字图像的质量是图像处理和信息准确提取的关键。高质量的数字图像不仅是信息提取的前提,也是建立定性或定量理化参数统计和机理估算模型的保障。在图像获取、传输和处理过程中有时会出现图像降质问题,即图像退化。从引起作物图像降质的原因、图像降质后对图像后续处理的影响、减少或消除各种不利不良影响的措施,以及图像质量的评价指标等方面展开讨论,并就作物图像质量今后的研究方向进行了展望。     

作物数字图像评价与校正算法的应用研究

作物数字图像的质量是图像处理和信息准确提取的关键。高质量的数字图像不仅是信息提取的前提,也是建立定性或定量理化参数统计和机理估算模型的保障。在图像获取、传输和处理过程中有时会出现图像降质问题,即图像退化。从引起作物图像降质的原因、图像降质后对图像后续处理的影响、减少或消除各种不利不良影响的措施,以及图像质量的评价指标等方面展开讨论,并就作物图像质量今后的研究方向进行了展望。